Research Paper

Journal of Korean Tunnelling and Underground Space Association. 31 July 2025. 271-285
https://doi.org/10.9711/KTAJ.2025.27.4.271

ABSTRACT


MAIN

  • 1. 서 론

  • 2. 인공위성 활용 전력구 지반 변위 모니터링 시스템 개발

  •   2.1 지반 변위 모니터링 시스템 구성

  •   2.2 지반 변위 모니터링 시스템 모듈의 주요 기능

  •   2.3 지반 변위 모니터링 시스템 분석 절차

  • 3. 현장 적용 및 시스템 검증

  • 4. 고 찰

  • 5. 결 론

1. 서 론

최근 전력 수요 증가에 따른 전력공급망 확대로 도심지 내 안정적인 전력공급을 위하여 송전선로의 지중화 공사가 증가하고 있다. 송전선로의 지중화를 위한 전력구 공사에는 지반을 굴착하여 전력구를 설치하고 되메우는 개착식 전력구 공법과 터널을 굴착하여 전력구를 설치하는 터널식 전력구 공법이 있다(Jung et al., 2011; Lee et al., 2011; Ramoni and Anagnostou, 2011; Kim et al., 2020; 2023; Wang et al., 2021; Elbaz et al., 2022). 터널식 전력구 공법은 개착식 전력구 공법에 비해 높은 건설비용과 기술적인 어려움에도 불구하고, 도심지 내 교통체증과 소음 유발 등 사회적 수용성을 고려하여 많이 사용되고 있다. 그러나, 터널 공사는 예상하지 못한 연약지반을 굴착할 경우 지반 침하 및 균열 등 지반 변위를 유발하여 주변 시설물에 피해를 입히고, 나아가 대규모 재난으로 이어질 수 있는 위험성이 있다. 2014년 서울 석촌역 인근 도로에서 발생된 지반침하, 2015년 용산역 인근 지반침하, 2020년 경기도 구리시 아파트 인근 지반침하, 2025년 서울 강동구 명일동 지반침하 등 다수의 지반침하가 지중매설물 공사 중 또는 운영 중 매설물 손상으로 인해 발생되고 있다(Choi et al., 2016; Jo et al., 2016; Lee et al., 2016; Kwak et al., 2020; Baluch et al., 2022; Ramirez et al., 2022; Lee, 2024). 이에 전력설비 관리 주체인 한국전력공사는 지하 안전관리에 관한 특별법에 따라 건설 또는 운영 중인 전력시설물에 대한 안전관리 강화와 효율적인 관리체계에 대한 필요성이 증가하였고, 전력설비 주변 지반의 침하, 붕괴 등의 자연 ‧ 사회재난에 대한 신속한 대응을 위해 사고 후 복구 개념의 사후관리뿐만 아니라 사전관리하는 위험 예측시스템이 필요하였다.

일반적으로 시설물 주변 지반 변위 측정을 위해서는 변위계 또는 경사계와 같이 현장 계측기가 사용된다. 현장 계측기는 초기 설치 비용이 소요되며, 지속적인 유지관리가 필요하다. 또한, 계측기의 부적절한 설치는 계측 결과에 영향을 주며, 단일 계측기로 측정 가능한 공간적 범위 한계가 있다(Berberan et al., 2007; Tsai et al., 2012; Lienhart et al., 2017; Lou et al., 2017; Artese and Perrelli, 2018; Thombre et al., 2018; Shen et al., 2019; Zhou et al., 2020; 2021; Huang et al., 2023). 또한, Total Station, GNSS 등의 기존 현장 계측기를 이용한 측정방법은 점 기반 측정 기술이기 때문에 넓은 영역의 공간적 변위 분포를 확인하기 위해서는 비용과 시간이 많이 소요된다. 반면에, 인공위성 레이다 또는 합성개구레이다(synthetic aperture radar, SAR)는 레이다의 발사되는 빔 폭을 좁게 만들어 해상도를 높인 레이다로써 광역 지역에 대해 날씨, 기상, 주 ‧ 야간 등 시간 및 공간에 구분 없이 지속적인 관찰이 가능하다. 인공위성 InSAR (interferometric SAR) 기법은 인공위성에 설치된 고해상도 레이다를 통해 관측된 영상을 간섭시켜 변위를 측정하는 기술이다. 서로 다른 시간에 획득된 레이다 영상으로 분석된 간섭도에서 위상변화를 이용하여 LOS (line of site) 방향의 변위를 관측하는 기술이다(Ferretti et al., 2002; 2007; Wright et al., 2004; Ding et al., 2008; Hooper, 2008; Hu et al., 2014; Bekaert et al., 2015; Osmanoğlu et al., 2016; Yu et al., 2019).

본 연구에서는 인공위성 레이다를 활용한 전력구 지반 변위 모니터링 시스템을 개발하였다. 인공위성 레이다 자료를 이용해 지반 변위를 분석하고, 전력설비와 주변 인접 건물에 위험이 될 수 있는 이상 변위에 대하여 건설현장 관리자에게 사전 위험을 통보함으로써 지반침하로 발생할 수 있는 피해를 예방할 수 있다. 본 시스템은 전력설비 주변 지반 변위 분석을 위해 인공위성 레이다 자료 기반의 InSAR 분석 기술을 적용하였고, 사용자 편의와 시각화를 위하여 Web 기반 시스템을 구축하였다. GIS 기반의 시스템 개발을 통해 전국적으로 분포된 전력설비를 검색 및 조회가 가능하고, 인공위성으로부터 레이다 데이터를 자동으로 취득 및 분석이 가능하며, Web 기반 모니터링 시스템을 통해 분석된 지반 변위 결과가 확인이 가능한 시스템을 개발하였다.

2. 인공위성 활용 전력구 지반 변위 모니터링 시스템 개발

본 연구에서 개발한 인공위성 활용 전력구 지반 변위 모니터링 시스템은 인공위성의 고해상도 레이다 관측데이터를 활용한 지반 변위의 주기적 분석을 통해 전력설비 및 인접 건물에 위험이 될 수 있는 이상 변위 발생 시 현장 또는 시설물 관리자에게 위험 정보 사전 통보하여 지반 침하로 발생할 수 있는 대형사고를 예방할 수 있다. 본 절에서는 지반 변위 모니터링 시스템의 구성, 주요 기능, 그리고 분석 절차에 대해 서술하였다.

2.1 지반 변위 모니터링 시스템 구성

본 연구에서는 무료 위성인 Sentinel-1 레이다 데이터를 활용하여 InSAR 분석을 수행하고 그 결과를 바탕으로 전력구 공사 현장 인근의 지반 변위를 주기적으로 모니터링하였다. 본 시스템은 Web 기반의 플랫폼으로 구축하였고, 시스템의 기본 개념도는 Fig. 1과 같다.

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F1.jpg
Fig. 1.

Conceptual diagram of the developed system

지반 변위 모니터링 시스템은 인공위성 데이터 연계서버, 처리서버, 데이터베이스 서버, Web/AP 서버스토리지 서버로 구성되며 구성도는 Fig. 2와 같다. 데이터 연계서버는 Sentienl-1 레이다 데이터를 연계하며, 처리서버에서는 레이다 데이터를 사용한 InSAR 분석 수행을 하고, 변위 분석 결과 데이터, DEM 데이터 등을 관리한다. 데이터베이스 서버에서는 Web 서비스 운영을 위한 데이터를 관리하며, Web/AP 서버에서는 분석 결과를 표출하고, GIS 및 보고서 출력 기능을 관리한다. 스토리지 서버에서는 Sentinel-1 레이다 자료와 분석 결과의 정확도를 높이기 위한 정밀궤도 자료를 저장하고 분석 시 사용한다.

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F2.jpg
Fig. 2.

Server network configuration and role assignment of the developed system

2.2 지반 변위 모니터링 시스템 모듈의 주요 기능

본 시스템은 기능적으로 위성영상 수집 모듈, 위성영상 분석모델 관리 모듈, 위성영상 처리 및 분석 모듈, 위성영상 변위 데이터 기반 위험도 평가 모듈, GIS 기반 웹페이지 시각화 모듈로 구성되어 있다.

위성영상 수집 모듈은 자동 수집과 수동 수집으로 구분된다. Sentinel-1 위성에 새로운 영상이 등록될 경우 위성 API를 이용하여 자동으로 스토리지 서버에 저장한다. 수동 수집은 사용자가 분석지역, 분석 기간 등에 대하여 위성영상 저장 및 등록되며, Sentinel-1 위성 외의 영상에 대하여 직접 저장하여 관리가 가능하다. 또한, 위성영상의 위성 정보, 수신 이력, 수집 모드를 관리할 수 있다(Fig. 3).

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F3.jpg
Fig. 3.

Satellite image acquisition module

위성영상 분석 모델 관리 모듈을 통해 InSAR 분석 시 Master/Slave 데이터, 변위 분석 모델, 변위 분석 파라미터, 다양한 프로그래밍 언어의 스크립트를 관리할 수 있다. 신규 위성 영상이 등록될 경우, 자동으로 변위 분석을 수행하고, GAMMA/Python/Matlab 코드를 활용하여 모델 및 파라미터를 수정이 가능하다(Fig. 4).

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F4.jpg
Fig. 4.

Interface for managing satellite image analysis models

위성영상 처리 및 분석 모듈에서는 지반 변위 분석 프로세스 수행, 지반 변위 분석 결과 데이터 저장, 지반 변위 분석 프로세스 스케줄링을 수행한다. 분석 프로세스 스케줄링은 분석 모델 설정, 분석 주기 설정, 분석 프로세스 생성/수정/삭제가 가능하며, 이 기능을 이용하여 위성 영상 처리서버에서 한정된 H/W 자원으로 효율적인 분석 처리가 가능하다(Fig. 5).

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F5.jpg
Fig. 5.

Examples of satellite image processing and analysis modules

위성영상 변위 데이터 기반 위험도 평가 모듈은 분석된 지반 변위 결과를 기반으로 위험도 평가를 수행한다. 연간 지반 변위량, 장기 지반 변위량, 단기 지반 변위량, 누적 지반 변위량을 현장 조건에 맞게 분석하여 5단계(안전-경계-주의-경고-위험)로 위험도 평가를 수행한다(Fig. 6).

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F6.jpg
Fig. 6.

Examples of InSAR displacement data-based risk assessment module

GIS 기반 웹페이지 시각화 모듈은 시스템에서 전력설비, 지도 등 외부 데이터 연계, 웹페이지 제어 및 관리, 지반 변위 분석 결과 표출 등을 수행한다. 위도, 경도 값을 통한 위치 검색이 가능하고, 거리와 면적을 측정할 수 있다.

2.3 지반 변위 모니터링 시스템 분석 절차

본 연구에서 인공위성을 활용한 지반 변위 모니터링 시스템 분석 절차는 다음과 같다. 주소 검색 및 위성영상 메뉴를 통하여 분석 지역의 위성 영상을 확인한 뒤 분석지역을 설정한다(Fig. 7(a)). 분석 주기는 수동 분석을 통해 1회 실시하거나, 자동 분석을 통해 시간(매일/매주/매월) 설정이 가능하다(Fig. 7(b)). 분석모델 선택 기능을 통해 저장된 분석모델을 불러오거나, 수정 및 새로운 모델을 작성하여 분석 프로세스를 수행하고, 프로세스 진행상항을 모니터링할 수 있다(Fig. 7(c)). 분석이 완료되면, 지도에서 분석 지점을 선택하여 시간에 따른 변위를 확인할 수 있다. 분석결과는 GeoTiff, 포인트, 헥사곤, 히트맵 등 다양한 형태로 확인이 가능하다(Fig. 7(d)).

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F7.jpg
Fig. 7.

Examples of main system interfaces

3. 현장 적용 및 시스템 검증

본 절에서는 개발된 인공위성을 활용한 지반 변위 모니터링 시스템을 전력구 공사 현장에 적용 및 시스템 검증을 수행하였다. 청주지역 전기공급 시설 전력구 공사에 대해 2021년 1월부터 2023년 7월까지의 공사 기간 동안 지반 변위 모니터링 시스템을 활용한 결과와 현장에서 측정된 지표침하 계측 자료를 비교분석 하였다. 지반 변위 모니터링 시스템에 사용된 영상은 2021년 1월 10일부터 2023년 10월 27일 까지의 Sentinel-1A, 127 path, Ascending SAR 영상 79장을 사용하였으며, 그 목록은 Table 1과 같다.

Table 1.

Sentinel-1 image dataset for power transmission tunnel analysis

No. Date No. Date No. Date No. Date No. Date
1 2021.01.10. 17 2021.07.21. 33 2022.01.29. 49 2022.08.21. 65 2023.03.13.
2 2021.01.22. 18 2021.08.02. 34 2022.02.10. 50 2022.09.02. 66 2023.03.25.
3 2021.02.03. 19 2021.08.14. 35 2022.03.06. 51 2022.09.14. 67 2023.04.06.
4 2021.02.15. 20 2021.08.26. 36 2022.03.18. 52 2022.09.26. 68 2023.04.18.
5 2021.02.27. 21 2021.09.07. 37 2022.03.30. 53 2022.10.08. 69 2023.04.30.
6 2021.03.11. 22 2021.09.19. 38 2022.04.11. 54 2022.11.01. 70 2023.06.17.
7 2021.03.22. 23 2021.10.01. 39 2022.04.23. 55 2022.11.13. 71 2023.06.29.
8 2021.04.04. 24 2021.10.13. 40 2022.05.05. 56 2022.11.25. 72 2023.07.23.
9 2021.04.16. 25 2021.10.25. 41 2022.05.17. 57 2022.12.07. 73 2023.08.04.
10 2021.04.28. 26 2021.11.06. 42 2022.05.29. 58 2022.12.19. 74 2023.08.16.
11 2021.05.10. 27 2021.11.18. 43 2022.06.10. 59 2022.12.31. 75 2023.08.28.
12 2021.05.22. 28 2021.11.30. 44 2022.06.22. 60 2023.01.12. 76 2023.09.09.
13 2021.06.03. 29 2021.12.12. 45 2022.07.04. 61 2023.01.24. 77 2023.09.21.
14 2021.06.15. 30 2021.12.24. 46 2022.07.16. 62 2023.02.05. 78 2023.10.03.
15 2021.06.27. 31 2022.01.05. 47 2022.07.28. 63 2023.02.17. 79 2023.10.27.
16 2021.07.09. 32 2022.01.17. 48 2022.08.09. 64 2023.03.01. - -

2022년 4월 11일 영상을 Master 영상으로 하여 Fig. 8과 같이 78개의 간섭쌍을 생성하였다. Master 영상은 영상 수집 날짜와 기선 거리의 차이가 최소화되는 영상으로 선정하였다. 개발된 시스템을 통하여 고정산란체 기반의 시계열 분석을 수행하였으며, 분석에 사용된 고정산란체 및 기준점은 Fig. 9와 같다. 시스템을 활용한 고정산란체 시계열 분석결과는 Fig. 10과 같다.

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F8.jpg
Fig. 8.

Single-baseline interferometric pair of master and slave SAR images

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F9.jpg
Fig. 9.

Distribution of reference point (green circle) and permanent scatterers in the study area

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F10.jpg
Fig. 10.

InSAR results and power transmission tunnel construction site map

본 연구에서 개발된 시스템으로 분석한 지표 변위 결과와 현장의 지표침하계 측정결과를 비교하였다. 전력구 공사 시점부의 경우 시스템 분석결과 0~-0.6 mm의 변위를 나타내었고, 현장 지표침하계 측정결과는 0~-0.2 mm를 나타내었다(Fig. 11). 전력구 공사의 굴착 구간의 경우 시스템 분석결과 0~-0.5 mm의 변위를 나타내었고, 현장 지표침하계 측정결과는 0~0.1 mm로 나타내었다(Fig. 12). 해당 지점의 지표 변위에 대한 시스템 분석결과와 현장 지표침하계 결과가 오차 범위 안에서 유사한 거동을 보였고, 본 연구에서 개발된 인공위성을 활용한 지반 변위 모니터링 시스템의 신뢰성과 현장 적용 가능성을 확인하였다.

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F11.jpg
Fig. 11.

Results of InSAR analysis and ground settlement measurement at the initial section of the construction site

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F12.jpg
Fig. 12.

Results of InSAR analysis and ground settlement measurement at the point along the construction site

4. 고 찰

본 연구에서 개발한 인공위성 분석 시스템을 활용한 지반 변위 분석 결과와 지표침하계 측정 결과를 살펴보면, 전력구 공사 기간 동안 동일하게 변위가 없는 것으로 나타났다. 인공위성을 활용한 지반 변위 분석 결과는 ±1~3 mm의 분산을 보였다. 이는 인공위성을 활용한 지반 변위 분석은 인공위성의 궤도, 날씨 등의 오차에 기인한 것으로 판단된다. 또한, 인공위성을 활용한 지반 변위 분석은 인공위성이 촬영되는 주기(Sentinel-1의 경우 약 12일)에 따라 분석이 가능하기 때문에 실시간 또는 원하는 시간에 분석을 하지 못하는 단점이 있다. 그러나, 이러한 제약사항에도 불구하고 인공위성을 활용한 지반 변위 분석은 약 30~250 km의 광역 범위에 대한 주기적인 모니터링이 가능하며, SAR 데이터가 있을 경우 과거의 지반 변위를 분석할 수 있는 장점이 있다. 특히, 터널식 전력구 공사 시, 실시간 현장 지반 계측 자료와 인공위성을 활용한 광범위, 주기적인 측정결과를 함께 활용하여 지반 변위를 모니터링할 경우 최근 문제가 되고 있는 지중공사 시 지하공간 안전문제를 해결할 수 있을 것으로 기대된다. 개발된 시스템을 활용하여 전국에 분포되어 있는 모든 전력구 공사현장과 전력구조물 인근의 지반 변위를 모니터링하는 데는 한계가 있다. 따라서 시스템의 효율성을 높이기 위해 전력구 설계단계에서는 전력구 공사의 예상 경과지 또는 전력구 인근의 과거 지반 이력을 분석하여 참고 자료로 활용하고, 시공 및 유지관리 단계에서는 해당 구조물에 대한 주기적인 자동분석 및 모니터링이 필요할 것으로 판단된다.

또한, C-band 레이다의 경우 산림지역에서 일관성 있는 데이터 확보가 어려워 관측 포인트가 조밀하지 않아 공간적인 변위 패턴을 확인하기 어렵다. 이에 반해, 파장의 길이가 긴 L-band 레이다는 수풀을 통과할 수 있기 때문에 지면에서 얻어진 포인트가 많아 공간적인 변위 패턴을 확인 할 수 있다. 이처럼 산림지역에 설치된 전력설비 모니터링을 위해서는 공간적인 변위 패턴을 명확히 확인할 수 있는 장파장 레이다 자료 활용이 필요할 것이다. Fig. 13은 국내 변전소 인근 지역 Sentinel-1 Ascending 영상을 이용한 PS-InSAR 분석 결과이다. 변전소 안에는 관측 포인트가 많이 생성되었지만, 변전소 주변 사면 안전성 평가 대상 지역에는 관측 포인트가 거의 없는 것으로 나타났다. 특히, 해당 레이다 영상은 Ascending 방향으로 이동하면서 위성 이동 방향의 오른쪽을 촬영한 영상이기 때문에 Slope 1에는 포인트가 없고, Slope 2에는 몇 개의 포인트가 관측되었다. 이것은 레이다의 전파 방향에 따라 음영 지역이 있기 때문에 Ascending 영상과 Descending 영상을 모두 활용한 분석, 또는 군집 위성 개발이 필요할 것으로 판단된다.

https://cdn.apub.kr/journalsite/sites/kta/2025-027-04/N0550270402/images/kta_2025_274_271_F13.jpg
Fig. 13.

Results of InSAR analysis near the substation in Korea

5. 결 론

본 연구에서는 터널식 전력구 공사 과정에서 발생할 수 있는 지반 변위를 효율적으로 모니터링하고, 사전 위험 요소를 조기에 감지할 수 있는 시스템을 개발하였다. 특히, 기상 조건과 주 ‧ 야간에 관계없이 안정적으로 운용 가능한 인공위성 레이다 자료를 활용함으로써, 기존의 점 기반 변위 계측 방식이 갖는 공간적 한계와 유지관리 문제를 극복하고자 하였다. 개발된 시스템은 Sentinel-1 SAR 영상을 기반으로 InSAR 분석을 수행하며, 분석 결과는 Web 기반 플랫폼에서 시각화되어 접근성과 사용자 편의성을 모두 고려하였다. 이를 통해 공사 중 지반 침하나 구조물 손상 가능성을 사전에 탐지하고 대응할 수 있는 기반을 마련하였다. 청주지역 전력구 공사 현장에 개발된 시스템을 적용한 결과, 인공위성 레이다 기반 변위 결과는 현장 지표침하계 측정값과 유사한 경향을 보였고, 이를 통해 InSAR 분석의 정량적 신뢰성과 현장 적용 가능성을 확인하였다. 또한, 인공위성 레이다 자료 자동 수집 및 InSAR 분석 기능, 위험도 평가 기능, GIS 기반 시각화 기능을 통해 전력구 공사뿐만 아니라 전국에 설치된 전력설비의 사전 위험예측 및 대응에 활용될 수 있는 가능성을 확인하였다. 향후에는 변전소, 송전탑, 배전설비 등 다양한 전력 인프라에 본 시스템의 적용성을 확대하고, 다양한 위성 자료와 인공지능 기반 위험도 평가 모델 개발을 통해 시스템의 실시간 모니터링 및 정확성을 향상시킬 수 있을 것으로 기대된다.

Acknowledgements

본 연구는 국토교통부 RS-2023-00245334 (R23SG01)와 전력연구원(R21SA01)의 지원으로 수행되었습니다. 이에 감사드립니다.

저자 기여도

이강렬은 연구 개념 및 설계, 원고 작성을 하였고, 안태진은 데이터 수집 및 분석을 하였고, 류희환은 연구 개념 및 설계를 하였고, 최신규는 연구 개념 및 설계, 원고 검토를 하였다.

References

1

Artese, S., Perrelli, M. (2018), “Monitoring a landslide with high accuracy by total station: A DTM-based model to correct for the atmospheric effects”, Geosciences, Vol. 8, No. 2, 46.

10.3390/geosciences8020046
2

Baluch, K., Kim, J.G., Kim, J.G., Ko, Y.H., Jung, S.W., Baluch, S.Q. (2022), “Assessment of sinkholes investigations in Jangseong-Gun area, South Korea, and recommendations for similar studies”, International Journal of Environmental Research and Public Health, Vol. 19, No. 3, 1111.

10.3390/ijerph1903111135162135PMC8834019
3

Bekaert, D.P.S., Walters, R.J., Wright, T.J., Hooper, A.J., Parker, D.J. (2015), “Statistical comparison of InSAR tropospheric correction techniques”, Remote Sensing of Environment, Vol. 170, pp. 40-47.

10.1016/j.rse.2015.08.035
4

Berberan, A., Machado, M., Batista, S. (2007), “Automatic multi total station monitoring of a tunnel”, Survey Review, Vol. 39, No. 305, pp. 203-211.

10.1179/003962607X165177
5

Choi, S.K., Back, S.H., An, J.B., Kwon, T.H. (2016), “Geotechnical investigation on causes and mitigation of ground subsidence during underground structure construction”, Journal of Korean Tunnelling and Underground Space Association, Vol. 18, No. 2, pp. 143-154.

10.9711/KTAJ.2016.18.2.143
6

Ding, X.L., Li, Z.W., Zhu, J.J., Feng, G.C., Long, J.P. (2008), “Atmospheric effects on InSAR measurements and their mitigation”, Sensors, Vol. 8, No. 9, pp. 5426-5448.

10.3390/s809542627873822PMC3705512
7

Elbaz, K., Yan, T., Zhou, A., Shen, S.L. (2022), “Deep learning analysis for energy consumption of shield tunneling machine drive system”, Tunnelling and Underground Space Technology, Vol. 123, 104405.

10.1016/j.tust.2022.104405
8

Ferretti, A., Prati, C., Rocca, F. (2002), “Multibaseline InSAR DEM reconstruction: The wavelet approach”, IEEE Transactions on Geoscience and Remote Sensing, Vol. 37, No. 2, pp. 705-715.

10.1109/36.752187
9

Ferretti, A., Savio, G., Barzaghi, R., Borghi, A., Musazzi, S., Novali, F., Prati, C., Rocca, F. (2007), “Submillimeter accuracy of InSAR time series: Experimental validation”, IEEE Transactions on Geoscience and Remote Sensing, Vol. 45, No. 5, pp. 1142-1153.

10.1109/TGRS.2007.894440
10

Hooper, A. (2008), “A multi-temporal InSAR method incorporating both persistent scatterer and small baseline approaches”, Geophysical Research Letters, Vol. 35, No. 16.

10.1029/2008GL034654
11

Hu, J., Li, Z.W., Ding, X.L., Zhu, J.J., Zhang, L., Sun, Q. (2014), “Resolving three-dimensional surface displacements from InSAR measurements: A review”, Earth-Science Reviews, Vol. 133, pp. 1-17.

10.1016/j.earscirev.2014.02.005
12

Huang, G., Du, S., Wang, D. (2023), “GNSS techniques for real-time monitoring of landslides: A review”, Satellite Navigation, Vol. 4, No. 1, 5.

10.1186/s43020-023-00095-5
13

Jo, Y.S., Cho, S.H., Jang, Y.S. (2016), “Field investigation and analysis of ground sinking development in a metropolitan city, Seoul, Korea”, Environmental Earth Sciences, Vol. 75, No. 20, 1353.

10.1007/s12665-016-6141-0
14

Jung, H.S., Choi, J.M., Chun, B.S., Park, J.S., Lee, Y.J. (2011), “Causes of reduction in shield TBM performance - A case study in Seoul”, Tunnelling and Underground Space Technology, Vol. 26, No. 3, pp. 453-461.

10.1016/j.tust.2011.01.001
15

Kim, J.J., Lee, J.Y., Ryu, H.H., Jung, J.H., Lee, S.J., Bae, D.S. (2023), “Study on selection and basic specifications design of shield TBM for power cable tunnels”, Journal of Korean Tunnelling and Underground Space Association, Vol. 25, No. 3, pp. 201-220.

10.9711/KTAJ.2023.25.3.201
16

Kim, J.J., Ryu, H.H., Kim, K.Y., Hong, S.Y., Jung, J.H., Bae, D.S., (2020), “Development of penetration rate model and optimum operational conditions of shield TBM for electricity transmission tunnels”, Journal of Korean Tunnelling and Underground Space Association, Vol. 22, No. 6, pp. 623-641.

10.9711/KTAJ.2020.22.6.623
17

Kwak, T.Y., Woo, S.I., Chung, C.K., Kim, J. (2020), “Experimental assessment of the relationship between rainfall intensity and sinkholes caused by damaged sewer pipes”, Natural Hazards and Earth System Sciences, Vol. 20, No. 12, pp. 3343-3359.

10.5194/nhess-20-3343-2020
18

Lee, E.J., Shin, S.Y., Ko, B.C., Chang, C. (2016), “Early sinkhole detection using a drone-based thermal camera and image processing”, Infrared Physics & Technology, Vol. 78, pp. 223-232.

10.1016/j.infrared.2016.08.009
19

Lee, O. (2024), “Investigating the causes of subsidence (sinkholes) in South Korea”, International Journal of High School Research, Vol. 6, No. 2.

10.36838/v6i2.8
20

Lee, S.W., Chang, S.H., Park, K.H., Kim, C.Y. (2011), “TBM performance and development state in Korea”, Procedia Engineering, Vol. 14, pp. 3170-3175.

10.1016/j.proeng.2011.07.400
21

Lienhart, W., Ehrhart, M., Grick, M. (2017), “High frequent total station measurements for the monitoring of bridge vibrations”, Journal of Applied Geodesy, Vol. 11, No. 1, pp. 1-8.

10.1515/jag-2016-0028
22

Luo, Y., Chen, J., Xi, W., Zhao, P., Li, J., Qiao, X., Liu, Q. (2017), “Application of a total station with RDM to monitor tunnel displacement”, Journal of Performance of Constructed Facilities, Vol. 31, No. 4.

10.1061/(ASCE)CF.1943-5509.0001027
23

Osmanoğlu, B., Sunar, F., Wdowinski, S., Cabral-Cano, E. (2016), “Time series analysis of InSAR data: Methods and trends”, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 115, pp. 90-102.

10.1016/j.isprsjprs.2015.10.003
24

Ramirez, R.A., Lee, G.J., Choi, S.K., Kwon, T.H., Kim, Y.C., Ryu, H.H., Kim, S., Bae, B., Hyun, C. (2022), “Monitoring of construction-induced urban ground deformations using Sentinel-1 PS-InSAR: The case study of tunneling in Dangjin, Korea”, International Journal of Applied Earth Observation and Geoinformation, Vol. 108, 102721.

10.1016/j.jag.2022.102721
25

Ramoni, M., Anagnostou, G. (2011), “The interaction between shield, ground and tunnel support in TBM tunnelling through squeezing ground”, Rock Mechanics and Rock Engineering, Vol. 44, pp. 37-61.

10.1007/s00603-010-0103-8
26

Shen, N., Chen, L., Liu, J., Wang, L., Tao, T., Wu, D., Chen, R. (2019), “A review of global navigation satellite system (GNSS)-based dynamic monitoring technologies for structural health monitoring”, Remote Sensing, Vol. 11, No. 9, 1001.

10.3390/rs11091001
27

Thombre, S., Bhuiyan, M.Z.H., Eliardsson, P., Gabrielsson, B., Pattinson, M., Dumville, M., Fryganiotis, D., Hill, S., Manikundalam, V., Pölöskey, M., Lee, S., Ruotsalainen, L., Söderholm, S., Kuusniemi, H. (2018), “GNSS threat monitoring and reporting: Past, present, and a proposed future”, The Journal of Navigation, Vol. 71, No. 3, pp. 513-529.

10.1017/S0373463317000911
28

Tsai, Z.X., You, G.J.Y., Lee, H.Y., Chiu, Y.J. (2012), “Use of a total station to monitor post-failure sediment yields in landslide sites of the Shihmen reservoir watershed, Taiwan”, Geomorphology, Vol. 139-140, pp. 438-451.

10.1016/j.geomorph.2011.11.008
29

Wang, R., Li, D., Chen, E.J., Liu, Y. (2021), “Dynamic prediction of mechanized shield tunneling performance”, Automation in Construction, Vol. 132, 103958.

10.1016/j.autcon.2021.103958
30

Wright, T.J., Parsons, B.E., Lu, Z. (2004), “Toward mapping surface deformation in three dimensions using InSAR”, Geophysical Research Letters, Vol. 31, No. 1.

10.1029/2003GL018827
31

Yu, H., Lan, Y., Yuan, Z., Xu, J., Lee, H. (2019), “Phase unwrapping in InSAR: A review”, IEEE Geoscience and Remote Sensing Magazine, Vol. 7, No. 1, pp. 40-58.

10.1109/MGRS.2018.2873644
32

Zhou, J., Shi, B., Liu, G., Ju, S. (2021), “Accuracy analysis of dam deformation monitoring and correction of refraction with robotic total station”, PLoS One, Vol. 16, No. 5.

10.1371/journal.pone.025128133956839PMC8101930
33

Zhou, J., Xiao, H., Jiang, W., Bai, W., Liu, G. (2020), “Automatic subway tunnel displacement monitoring using robotic total station”, Measurement, Vol. 151, 107251.

10.1016/j.measurement.2019.107251
페이지 상단으로 이동하기